迎接运营型数据分析时代的到来

2015-12-07 13:36:59 大云网　点击量：评论 (0)

《IT经理世界》杂志2015年11月20日出版运营型分析将改变企业处理数据的方式。大概从世纪之交开始，商业智能（BI）、数据分析（analytics）、大数据（big data）等与商业数据应用相关的概念越来越成为企业界的热

《IT经理世界》杂志2015年11月20日出版

运营型分析将改变企业处理数据的方式。

大概从世纪之交开始，商业智能（BI）、数据分析（analytics）、大数据（big data）等与商业数据应用相关的概念越来越成为企业界的热门话题。在中国，大数据概念卷起的旋风更是让2013年贴上“大数据元年”的标签而载入史册。

数据科技接下来会如何发展？这应该是每个企业管理者都关心的问题。拨开喧嚣浮躁的概念泡沫，我们更希望多听一听真正的业内专家的观点。Bill Franks，Teradata天睿公司首席数据分析官，是数据分析和大数据领域的资深专家，尝试在自己的新著《数据分析变革》中给出这一问题的答案。

数据分析3.0时代

在数据分析的总体演化上，Bill借鉴了国际数据分析研究中心（IIA）的数据分析1.0~3.0的概念框架。数据分析1.0即传统的数据分析，主要以描述性分析和报表为主，主要来源于内部相对较小的结构化数据，分析团队基本上脱离业务群体而退居幕后，为企业内部决策提供支持。

进入21世纪，人们也就进入了数据分析2.0也就是大数据的时代。此时面对的数据已经主要是体量庞大且复杂的非结构化数据，这需要新的分析和计算能力。“数据科学家”应运而生，他们往往在新的Hadoop环境下采用R和Python分析数据。数据分析人员不再是脱离业务群体的幕后资源，而开始对业务决策发挥直接的影响力。

在数据分析2.0时代，互联网公司和电商公司已经开始基于数据分析来开发产品，例如LinkedIn的“你可能认识的人”。但是总体上还是以报表和描述性分析为主，预测性和规范性分析仍然相对较少。

从2014年左右开始，数据分析演进到3.0时代，也就是运营型数据分析的时代。3.0时代不仅综合了1.0时代和2.0时代的优势，而且演进到了新的高度。此时，企业开始聚焦于从数据中获得新的观点，并进而推导出行为、产品和服务。为此，数据分析必须成为企业战略的核心组成部分，嵌入到业务决策和运营过程当中。首席数据官的职位会越来越普遍。

运营型数据分析的威力：以营销为例

对于企业来说，运营型数据分析能够带来的最重要的一点帮助就是，让行动变得更加主动。运营型分析的目标不是在出现问题时积极应对，而是为了避免出现问题。尽管不能避免所有的问题，它的目的在于当问题出现时能够快速而自动化地得到解决。

例如，在营销领域，运营型分析能够帮助企业向潜在顾客提供个性化的产品、服务和营销信息，从而大幅改进顾客体验，实现“实时激活”（real-time activation）。

通过个性化网页提升在线体验是一个典型的例子。现在很多企业都可以根据所有的顾客数据，包括最近的一次点击，来实时调整页面内容，从而优化顾客体验。顾客当前的操作将会影响到哪怕一秒钟之后他们所看到的网页内容。

迪士尼为游客提供的“魔法手环”也是一个典型的例子。这一内嵌了RFID芯片的手环不仅可以帮助游客更加便捷地在园内游玩，通过跟踪游客的移动信息，也可以让迪士尼更精确地掌握游客在园内的流动情况，更好地在不同的景点之间分流人群。

另外，迪士尼还可以据此改变与游客互动的方式。当一个孩子来到迪士尼乐园，米老鼠或者白雪公主出现在他的面前跟他说话，而且（通过魔法手环传递的信息）竟然知道他的名字是史密斯，今天是他九岁生日，他最爱吃小熊软糖……这个孩子会感觉多么神奇呀。当然这背后都是小孩手上带的手环在发挥“魔法”的威力。

运营型分析还可以通过为顾客提供透明度来提升顾客体验。例如，联邦快递推出的SenseAware服务，在那些顾客特别在意的包裹（例如艺术品、高端收藏品或昂贵且易损物品）中加入传感器，运输途中不断将包裹的相关数据实时传递到联邦快递，让顾客随时监控自己的物品。

运营型分析可以在提升顾客满意度的同时帮助降低运营成本。以前，有航班延误时，航空公司经常会被蜂拥而来的几十上百位要求改签的乘客搞得手忙脚乱狼狈不堪。现在有了运营型分析的支持，这种情况的处理可以巧妙很多。一旦出现航班延误，它会先识别出那些会出现问题的乘客，并且按照票价、常旅客身份、旅行受影响的优先级以及其他因素来做出快速处理，从而使航班延误带来最小化的影响。

企业需要做什么

更多的可用数据、不断提升的数据分析处理能力和强大的数据分析技术，给企业带来无数商机。是否将数据分析技术成功地嵌入业务流程，正在成为竞争优势劣势的分野。

运营型分析成为迫切的要求。而传统的系统、架构和分析方法将不再适用于当今复杂的需求，企业必须改变它们存储数据、分析数据和部署分析结果的方法。这不仅需要改变基础设施和分析方法论，也需要改变企业政策。

在技术之外，Bill特别强调了组织和文化变革的重要性，事情归根结底是靠人来实现的。运营化分析需要组建合适的团队，把合适的团队放在合适的位置上。这不仅意味着要招到有技能的聪明人，还必须建立起高效的组织和架构，设置有效的激励手段，赋予团队成功所需要的权力、责任和心态。在这个基础上，整个企业文化也要发生相应的变革，企业各级员工都要对数据分析树立起信任、接纳和拥抱的态度。

在书的末尾，Bill做了一个让人印象深刻的类比：就像工业革命改变了制造业，运营型分析也将改变企业处理数据的方式。那么，数据分析的革命已经开始，你是否已经做好了准备？